基于互信息方法的燃油品质光谱分析模型构建与简化

摘要：

近红外漫反射光谱和紫外吸收光谱分别用于燃油的辛烷值和单芳香族化合物含量的测定,偏最小二乘回归(partial least squares regression,PLSR)用于光谱多元校正模型的构建.基于互信息(mutual information,MI)理论的变量筛选方法用于模型优化以提高模型的预测精度,降低模型的复杂度.结果表明,MI-PLSR可以有效的提高燃油品质模型的预测精度,简化分析模型.辛烷值的预测均方根误差(root mean square error of prediction,RMSEP)由0.288减小为o.111,预测相关系数R从0.985提高到0.998,建模变量由401减小为112；单芳香族化合物含量的RMSEP从0.753减小为0.478,R由0.996提高为0.998,建模变量由572缩减为37.说明振动光谱结合MI-PLSR方法可用于燃油品质检测,具有高效率低成本的特点.

关键词：近红外光谱、紫外光谱、偏最小二乘回归、互信息、燃油品质

所属期刊栏目：32

分类号：O657.33(分析化学)

资助基金：国家科技支撑计划2008BAD96B04;江西省主要学科学术和技术带头人培养对象计划2009DD00700;华东交通大学博士启动基金项目01309021

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：175-178